Comparación de Métodos Digitales para Medir Área y Longitud Foliar: ImageJ vs QGIS

Author

G3 UIII

Introducción

La medición de parámetros foliares, como el área y la longitud, es fundamental en estudios fisiológicos, ecofisiológicos, agronómicos y de modelamiento de crecimiento vegetal. Las hojas representan el principal órgano fotosintético y su tamaño permite estimar biomasa, eficiencia hídrica, productividad y estado nutricional.

Existen diferentes herramientas para medir hojas, entre ellas ImageJ y QGIS, ambas ampliamente utilizadas en investigación científica por su precisión y facilidad de uso:

ImageJ se especializa en análisis de imágenes 2D.
QGIS es un sistema de información geográfica capaz de medir áreas y longitudes con alta precisión.

El presente análisis compara los valores obtenidos en 25 hojas de Physalis peruviana (aguaymanto) utilizando ambos programas.

0.1

1 Objetivos

1.1 Objetivo general

Comparar la precisión y concordancia de las mediciones de área y longitud de hojas de aguaymanto realizadas en ImageJ y QGIS.

1.2 Objetivos específicos

Medir el área y longitud de 25 hojas en ambos softwares.
Evaluar la relación lineal entre ambos métodos.
Determinar si existe concordancia o diferencias sistemáticas entre ImageJ y QGIS.
Generar gráficos de dispersión y regresión lineal para interpretar resultados.

2 Importancia de medir parámetros foliares

El área y longitud de la hoja permiten:

Estimar el índice de área foliar (IAF).
Evaluar el crecimiento y vigor de la planta.
Determinar eficiencia fotosintética.
Relacionar tamaño foliar con productividad.
Identificar estrés hídrico o nutricional.

La medición digital ha reemplazado métodos manuales debido a su precisión, rapidez y capacidad para procesar grandes cantidades de muestras.

3 Comparación entre ImageJ y QGIS

Característica	ImageJ	QGIS
Tipo de software	Análisis de imágenes	Sistema de información geográfica
Precisión	Alta en 2D	Muy alta, calibrado espacialmente
Facilidad de uso	Muy sencilla	Requiere pasos adicionales
Formato de entrada	JPG, PNG, TIFF	Raster o georreferenciado
Aplicación común	Laboratorio	Cartografía, fotogrametría, morfometría
Ideal para	Hojas individuales	Polígonos complejos, mapas, colecciones grandes

Ambos programas pueden medir área y longitud con precisión comparable, pero la metodología varía.

4 Materiales y Métodos

4.1 Material vegetal

Se utilizaron 25 hojas representativas de Physalis peruviana (aguaymanto), recolectadas de plantas sanas.

4.2 Obtención de imágenes

Las hojas fueron escaneadas en alta resolución.
Cada imagen incluyó una escala métrica.
Se guardaron en formato PNG/JPG.

5 Procedimiento de medición

5.1 Medición en ImageJ

Abrir la imagen.
Definir escala mediante Set Scale.
Delinear la hoja con la herramienta Polygon → obtener área.
Medir longitud con Straight line o Segmented line.
Exportar tabla en CSV.

5.2 Medición en QGIS

Importar imagen como raster.
Calibrar escala mediante georreferenciación simple.
Digitalizar el contorno usando una capa vectorial poligonal.
Calcular área mediante Field Calculator.
Medir longitud del eje principal con Measure Line.
Exportar atributos como CSV.

5.3

#librerias

Code

library(googlesheets4)
library(tidyverse)
library(broom)
library(ggplot2)

6 Project Setup

Code

source('https://inkaverse.com/setup.r')

Project directory:  C:/Users/LENOVO/Desktop/SHIRLEI MILAGROS NEYRA ALARCON UNTRM/CICLO 2025 - 2/PROGRAMACIÓN DE DATOS/github_documents/padwp 
CPU cores detected:  4 
CPU cores in use:  3

─ Session info ───────────────────────────────────────────────────────────────
 setting  value
 version  R version 4.5.2 (2025-10-31 ucrt)
 os       Windows 11 x64 (build 26100)
 system   x86_64, mingw32
 ui       RTerm
 language (EN)
 collate  Spanish_Peru.utf8
 ctype    Spanish_Peru.utf8
 tz       America/Lima
 date     2025-12-10
 pandoc   3.6.3 @ C:/Program Files/RStudio/resources/app/bin/quarto/bin/tools/ (via rmarkdown)
 quarto   NA @ C:\\PROGRA~1\\RStudio\\RESOUR~1\\app\\bin\\quarto\\bin\\quarto.exe

─ Packages ───────────────────────────────────────────────────────────────────
 package       * version  date (UTC) lib source
 abind           1.4-8    2024-09-12 [1] CRAN (R 4.5.0)
 agricolae       1.3-7    2023-10-22 [1] CRAN (R 4.5.1)
 AlgDesign       1.2.1.2  2025-04-06 [1] CRAN (R 4.5.0)
 askpass         1.2.1    2024-10-04 [1] CRAN (R 4.5.1)
 backports       1.5.0    2024-05-23 [1] CRAN (R 4.5.0)
 boot            1.3-32   2025-08-29 [1] CRAN (R 4.5.1)
 broom         * 1.0.9    2025-07-28 [1] CRAN (R 4.5.1)
 cachem          1.1.0    2024-05-16 [1] CRAN (R 4.5.1)
 car           * 3.1-3    2024-09-27 [1] CRAN (R 4.5.1)
 carData       * 3.0-5    2022-01-06 [1] CRAN (R 4.5.1)
 cellranger      1.1.0    2016-07-27 [1] CRAN (R 4.5.1)
 cli             3.6.5    2025-04-23 [1] CRAN (R 4.5.1)
 cluster         2.1.8.1  2025-03-12 [2] CRAN (R 4.5.2)
 codetools       0.2-20   2024-03-31 [2] CRAN (R 4.5.2)
 cowplot       * 1.2.0    2025-07-07 [1] CRAN (R 4.5.1)
 curl            7.0.0    2025-08-19 [1] CRAN (R 4.5.1)
 devtools      * 2.4.6    2025-10-03 [1] CRAN (R 4.5.2)
 digest          0.6.37   2024-08-19 [1] CRAN (R 4.5.1)
 dplyr         * 1.1.4    2023-11-17 [1] CRAN (R 4.5.1)
 DT              0.34.0   2025-09-02 [1] CRAN (R 4.5.1)
 ellipsis        0.3.2    2021-04-29 [1] CRAN (R 4.5.2)
 emmeans       * 1.11.2-8 2025-08-27 [1] CRAN (R 4.5.1)
 estimability    1.5.1    2024-05-12 [1] CRAN (R 4.5.1)
 evaluate        1.0.5    2025-08-27 [1] CRAN (R 4.5.1)
 FactoMineR    * 2.12     2025-07-23 [1] CRAN (R 4.5.1)
 farver          2.1.2    2024-05-13 [1] CRAN (R 4.5.1)
 fastmap         1.2.0    2024-05-15 [1] CRAN (R 4.5.1)
 flashClust      1.01-2   2012-08-21 [1] CRAN (R 4.5.0)
 forcats       * 1.0.0    2023-01-29 [1] CRAN (R 4.5.1)
 Formula         1.2-5    2023-02-24 [1] CRAN (R 4.5.0)
 fs              1.6.6    2025-04-12 [1] CRAN (R 4.5.1)
 gargle          1.5.2    2023-07-20 [1] CRAN (R 4.5.1)
 generics        0.1.4    2025-05-09 [1] CRAN (R 4.5.1)
 ggplot2       * 4.0.0    2025-09-11 [1] CRAN (R 4.5.1)
 ggrepel         0.9.6    2024-09-07 [1] CRAN (R 4.5.1)
 glue            1.8.0    2024-09-30 [1] CRAN (R 4.5.1)
 googledrive   * 2.1.1    2023-06-11 [1] CRAN (R 4.5.1)
 googlesheets4 * 1.1.1    2023-06-11 [1] CRAN (R 4.5.1)
 gtable          0.3.6    2024-10-25 [1] CRAN (R 4.5.1)
 hms             1.1.3    2023-03-21 [1] CRAN (R 4.5.1)
 htmltools       0.5.8.1  2024-04-04 [1] CRAN (R 4.5.1)
 htmlwidgets     1.6.4    2023-12-06 [1] CRAN (R 4.5.1)
 httpuv          1.6.16   2025-04-16 [1] CRAN (R 4.5.1)
 httr            1.4.7    2023-08-15 [1] CRAN (R 4.5.1)
 huito         * 0.2.6    2025-10-18 [1] CRAN (R 4.5.2)
 inti          * 0.6.9    2025-10-17 [1] CRAN (R 4.5.1)
 jsonlite        2.0.0    2025-03-27 [1] CRAN (R 4.5.1)
 knitr         * 1.50     2025-03-16 [1] CRAN (R 4.5.1)
 later           1.4.4    2025-08-27 [1] CRAN (R 4.5.1)
 lattice         0.22-7   2025-04-02 [2] CRAN (R 4.5.2)
 leaps           3.2      2024-06-10 [1] CRAN (R 4.5.1)
 lifecycle       1.0.4    2023-11-07 [1] CRAN (R 4.5.1)
 lme4          * 1.1-37   2025-03-26 [1] CRAN (R 4.5.1)
 lubridate     * 1.9.4    2024-12-08 [1] CRAN (R 4.5.1)
 magick        * 2.9.0    2025-09-08 [1] CRAN (R 4.5.2)
 magrittr        2.0.3    2022-03-30 [1] CRAN (R 4.5.1)
 MASS          * 7.3-65   2025-02-28 [2] CRAN (R 4.5.2)
 Matrix        * 1.7-4    2025-08-28 [1] CRAN (R 4.5.2)
 memoise         2.0.1    2021-11-26 [1] CRAN (R 4.5.1)
 mime            0.13     2025-03-17 [1] CRAN (R 4.5.0)
 minqa           1.2.8    2024-08-17 [1] CRAN (R 4.5.1)
 mnormt          2.1.1    2022-09-26 [1] CRAN (R 4.5.2)
 multcomp      * 1.4-29   2025-10-20 [1] CRAN (R 4.5.1)
 multcompView    0.1-10   2024-03-08 [1] CRAN (R 4.5.1)
 mvtnorm       * 1.3-3    2025-01-10 [1] CRAN (R 4.5.1)
 nlme            3.1-168  2025-03-31 [2] CRAN (R 4.5.2)
 nloptr          2.2.1    2025-03-17 [1] CRAN (R 4.5.1)
 openssl         2.3.3    2025-05-26 [1] CRAN (R 4.5.1)
 pillar          1.11.0   2025-07-04 [1] CRAN (R 4.5.1)
 pkgbuild        1.4.8    2025-05-26 [1] CRAN (R 4.5.2)
 pkgconfig       2.0.3    2019-09-22 [1] CRAN (R 4.5.1)
 pkgload         1.4.1    2025-09-23 [1] CRAN (R 4.5.2)
 promises        1.3.3    2025-05-29 [1] CRAN (R 4.5.1)
 psych         * 2.5.6    2025-06-23 [1] CRAN (R 4.5.2)
 purrr         * 1.1.0    2025-07-10 [1] CRAN (R 4.5.1)
 R6              2.6.1    2025-02-15 [1] CRAN (R 4.5.1)
 rappdirs        0.3.3    2021-01-31 [1] CRAN (R 4.5.1)
 rbibutils       2.3      2024-10-04 [1] CRAN (R 4.5.1)
 RColorBrewer    1.1-3    2022-04-03 [1] CRAN (R 4.5.0)
 Rcpp            1.1.0    2025-07-02 [1] CRAN (R 4.5.1)
 Rdpack          2.6.4    2025-04-09 [1] CRAN (R 4.5.1)
 readr         * 2.1.5    2024-01-10 [1] CRAN (R 4.5.1)
 reformulas      0.4.1    2025-04-30 [1] CRAN (R 4.5.1)
 remotes         2.5.0    2024-03-17 [1] CRAN (R 4.5.2)
 RhpcBLASctl   * 0.23-42  2023-02-11 [1] CRAN (R 4.5.2)
 rlang           1.1.6    2025-04-11 [1] CRAN (R 4.5.1)
 rmarkdown       2.29     2024-11-04 [1] CRAN (R 4.5.1)
 rstudioapi      0.17.1   2024-10-22 [1] CRAN (R 4.5.1)
 S7              0.2.0    2024-11-07 [1] CRAN (R 4.5.1)
 sandwich        3.1-1    2024-09-15 [1] CRAN (R 4.5.1)
 scales          1.4.0    2025-04-24 [1] CRAN (R 4.5.1)
 scatterplot3d   0.3-44   2023-05-05 [1] CRAN (R 4.5.0)
 sessioninfo   * 1.2.3    2025-02-05 [1] CRAN (R 4.5.2)
 shiny         * 1.11.1   2025-07-03 [1] CRAN (R 4.5.1)
 showtext        0.9-7    2024-03-02 [1] CRAN (R 4.5.2)
 showtextdb      3.0      2020-06-04 [1] CRAN (R 4.5.2)
 stringi         1.8.7    2025-03-27 [1] CRAN (R 4.5.0)
 stringr       * 1.5.1    2023-11-14 [1] CRAN (R 4.5.1)
 survival      * 3.8-3    2024-12-17 [2] CRAN (R 4.5.2)
 sysfonts        0.8.9    2024-03-02 [1] CRAN (R 4.5.2)
 TH.data       * 1.1-4    2025-09-02 [1] CRAN (R 4.5.1)
 tibble        * 3.3.0    2025-06-08 [1] CRAN (R 4.5.1)
 tidyr         * 1.3.1    2024-01-24 [1] CRAN (R 4.5.1)
 tidyselect      1.2.1    2024-03-11 [1] CRAN (R 4.5.1)
 tidyverse     * 2.0.0    2023-02-22 [1] CRAN (R 4.5.1)
 timechange      0.3.0    2024-01-18 [1] CRAN (R 4.5.1)
 tzdb            0.5.0    2025-03-15 [1] CRAN (R 4.5.1)
 usethis       * 3.2.1    2025-09-06 [1] CRAN (R 4.5.1)
 vctrs           0.6.5    2023-12-01 [1] CRAN (R 4.5.1)
 withr           3.0.2    2024-10-28 [1] CRAN (R 4.5.1)
 xfun            0.52     2025-04-02 [1] CRAN (R 4.5.1)
 xtable          1.8-4    2019-04-21 [1] CRAN (R 4.5.1)
 yaml            2.3.10   2024-07-26 [1] CRAN (R 4.5.0)
 zoo             1.8-14   2025-04-10 [1] CRAN (R 4.5.1)

 [1] C:/Users/LENOVO/AppData/Local/R/win-library/4.5
 [2] C:/Program Files/R/R-4.5.2/library
 * ── Packages attached to the search path.

──────────────────────────────────────────────────────────────────────────────

7 Tablas de base de datos

Code

gs <- "https://docs.google.com/spreadsheets/d/1dw3DXonb-P-CMaU4YLGr3WGMPa2v87zcbyGut7a1rzM/edit?gid=0#gid=0" %>% 
  as_sheets_id()

fb <- gs %>% 
  range_read(ss = .,sheet = "fb - imageJ")

gs <- "https://docs.google.com/spreadsheets/d/1fvyd0ljOu7F_A8H_iY6ruDk6CQ0udKJqrN_CxlVGjMA/edit?gid=0#gid=0" %>% 
  as_sheets_id()

fb <- gs %>% 
  range_read(ss = .,sheet = "fb -qgis")

#Resultados

7.1 Grafico de regresion lineal de los datos de longitud y area en hojas de aguaymanto

#Regresion lineal de la HEIGHT

Code

library(tidyverse)
library(googlesheets4)

# 1. Cargar datos ImageJ
img <- "https://docs.google.com/spreadsheets/d/1dw3DXonb-P-CMaU4YLGr3WGMPa2v87zcbyGut7a1rzM/edit?gid=0#gid=0" %>% 
  as_sheets_id() %>% 
  range_read(sheet = "fb - imageJ") %>% 
  mutate(
    ID = as.character(ID),
    HEIGHT = as.numeric(HEIGHT)
  )

# 2. Cargar datos QGIS
qgs <- "https://docs.google.com/spreadsheets/d/1fvyd0ljOu7F_A8H_iY6ruDk6CQ0udKJqrN_CxlVGjMA/edit?gid=0#gid=0" %>% 
  as_sheets_id() %>% 
  range_read(sheet = "fb -qgis") %>% 
  mutate(
    ID = as.character(ID),
    HEIGHT = as.numeric(HEIGHT)
  )

# 3. Unir por ID
df <- left_join(img, qgs, by = "ID", suffix = c("_ij", "_qgis"))

# 4. Gráfico de regresión
ggplot(df, aes(x = HEIGHT_ij, y = HEIGHT_qgis)) +
  geom_point() +
  geom_smooth(method = "lm", se = TRUE, color = "steelblue") +
  labs(
    x = "HEIGHT (ImageJ)",
    y = "HEIGHT (QGIS)",
    title = "Regresión lineal de HEIGHT: ImageJ vs QGIS"
  ) +
  theme_minimal()

#Regresion lineal del WIDTH

Code


# datos ImageJ

library(tidyverse)
library(googlesheets4)

# 1. Cargar datos ImageJ
img <- "https://docs.google.com/spreadsheets/d/1dw3DXonb-P-CMaU4YLGr3WGMPa2v87zcbyGut7a1rzM/edit?gid=0#gid=0" %>% 
  as_sheets_id() %>% 
  range_read(sheet = "fb - imageJ") %>% 
  mutate(
    ID = as.character(ID),
    WIDTH = as.numeric(WIDTH)
  )

# 2. Cargar datos QGIS
qgs <- "https://docs.google.com/spreadsheets/d/1fvyd0ljOu7F_A8H_iY6ruDk6CQ0udKJqrN_CxlVGjMA/edit?gid=0#gid=0" %>% 
  as_sheets_id() %>% 
  range_read(sheet = "fb -qgis") %>% 
  mutate(
    ID = as.character(ID),
    WIDTH = as.numeric(WIDTH)
  )

# 3. Unir por ID
df <- left_join(img, qgs, by = "ID", suffix = c("_ij", "_qgis"))

# 4. Gráfico de regresión WIDTH
ggplot(df, aes(x = WIDTH_ij, y = WIDTH_qgis)) +
  geom_point() +
  geom_smooth(method = "lm", se = TRUE, color = "steelblue") +
  labs(
    x = "WIDTH (ImageJ)",
    y = "WIDTH (QGIS)",
    title = "Regresión lineal de WIDTH: ImageJ vs QGIS"
  ) +
  theme_minimal()

8 Regresion lineal del AREA

Code


library(tidyverse)
library(googlesheets4)

# 1. Cargar datos ImageJ
img <- "https://docs.google.com/spreadsheets/d/1dw3DXonb-P-CMaU4YLGr3WGMPa2v87zcbyGut7a1rzM/edit?gid=0#gid=0" %>% 
  as_sheets_id() %>% 
  range_read(sheet = "fb - imageJ") %>% 
  mutate(
    ID = as.character(ID),
    AREA = as.numeric(AREA)
  )

# 2. Cargar datos QGIS
qgs <- "https://docs.google.com/spreadsheets/d/1fvyd0ljOu7F_A8H_iY6ruDk6CQ0udKJqrN_CxlVGjMA/edit?gid=0#gid=0" %>% 
  as_sheets_id() %>% 
  range_read(sheet = "fb -qgis") %>% 
  mutate(
    ID = as.character(ID),
    AREA = as.numeric(AREA)
  )

# 3. Unir por ID
df <- left_join(img, qgs, by = "ID", suffix = c("_ij", "_qgis"))

# 4. Gráfico de regresión AREA
ggplot(df, aes(x = AREA_ij, y = AREA_qgis)) +
  geom_point() +
  geom_smooth(method = "lm", se = TRUE, color = "steelblue") +
  labs(
    x = "AREA (ImageJ)",
    y = "AREA (QGIS)",
    title = "Regresión lineal de AREA: ImageJ vs QGIS"
  ) +
  theme_minimal()

#Conclusiones

Las mediciones de longitud, ancho y área obtenidas con ImageJ y QGIS mostraron una alta concordancia, evidenciada por las regresiones lineales realizadas, lo cual demuestra que ambos programas son confiables y precisos para la caracterización morfométrica de hojas de aguaymanto.

Tanto ImageJ como QGIS cumplen adecuadamente con los objetivos del estudio, permitiendo medir de manera consistente las hojas; sin embargo, ImageJ destaca por su rapidez en mediciones simples, mientras que QGIS ofrece mayor precisión y flexibilidad en análisis de área y manejo espacial, complementándose según las necesidades de análisis.

```

9 References

Abramoff, M. D., Magalhães, P. J., & Ram, S. J. (2004). Image processing with ImageJ. Biophotonics International, 11(7), 36–42. ➡ Referencia clásica para usar ImageJ en mediciones morfológicas.
Schneider, C. A., Rasband, W. S., & Eliceiri, K. W. (2012). NIH Image to ImageJ: 25 years of image analysis. Nature Methods, 9(7), 671–675. ➡ Base teórica del software utilizado para medir longitud, ancho y área.
QGIS Development Team. (2024). QGIS Geographic Information System. Open Source Geospatial Foundation Project. ➡ Documentación oficial del software SIG usado en las mediciones de área.
Bivand, R. S., Pebesma, E., & Gómez-Rubio, V. (2013). Applied Spatial Data Analysis with R. Springer. ➡ Sustento teórico para análisis espacial y procesamiento de polígonos (como áreas en QGIS).
Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer. ➡ Base teórica para los gráficos de regresión lineal utilizados en R.
Wickham, H., et al. (2019). Welcome to the tidyverse. Journal of Open Source Software, 4(43), 1686. ➡ Sustento para el uso de dplyr, readr, ggplot2 y manejo de datos en el análisis.
Allaire, J., Xie, Y., et al. (2022). Quarto: Reproducible Documents and Websites. ➡ Referencia oficial para la construcción del documento final en formato Quarto.
Pérez-Harguindeguy, N., et al. (2013). New handbook for standardised measurement of plant functional traits worldwide. Australian Journal of Botany, 61(3), 167–234. ➡ Sustento metodológico sobre medición de rasgos foliares (longitud, ancho, área de hojas).